Explorer Biologie Médecine Chimie Physique Vidéothèque E-books BuzzInfo

Actualités

RNA-seq : les étapes clés d’un protocole, de l’échantillon aux gènes différentiellement exprimés

Quels gènes changent d’expression entre deux conditions ? Voici les étapes du bulk RNA-seq, qui étudie les ARN d’un ensemble de cellules. Ce guide pédagogique accompagne, sans le remplacer, le protocole validé pour votre tissu et votre kit. [1]

MIcroarray vs RNA-Seq
Figure 1. MIcroarray vs RNA-Seq. Illustration externe de contexte ; elle ne représente pas des résultats produits pour cet article. Auteur/crédit : Zhide Fang, Jeffrey Martin, Zhong Wang. Licence : CC BY-SA 4.0. Source : Wikimedia Commons — fiche originale. Attribution : Zhide Fang, Jeffrey Martin, Zhong Wang. Image non modifiée ; affichage redimensionné.

1. Définir la comparaison avant de commencer

Précisez l’organisme, le tissu et la comparaison. Prévoyez des réplicats biologiques indépendants : reséquencer un même échantillon ne les remplace pas. Leur nombre dépend de la variabilité et de l’effet recherché. Répartissez les conditions entre les lots pour éviter de confondre traitement et effet technique. [1]

2. Extraire l’ARN et vérifier sa qualité

La préparation commence par l’extraction de l’ARN. Évaluez sa quantité et son intégrité avant de choisir la préparation de librairie. Un échantillon dégradé peut demander une stratégie adaptée : les exigences d’entrée et les critères d’acceptation dépendent du kit. Consignez les résultats de contrôle plutôt que de retenir un seuil présenté comme universel. [2]

3. Choisir les ARN étudiés et préparer la librairie

Deux approches courantes sont la sélection des ARN portant une queue poly(A) et la déplétion des ARN ribosomiques. Leur choix dépend des molécules recherchées et de la qualité de l’échantillon. La préparation produit une librairie compatible avec le séquenceur, avec des adaptateurs et des index permettant d’identifier les échantillons. Vérifiez aussi si le protocole conserve l’information de brin : ce paramètre devra être pris en compte dans l’analyse. [2]

4. Séquencer et examiner les fichiers FASTQ

Les fichiers FASTQ contiennent les séquences lues et leurs scores de qualité. FastQC fournit des rapports pour repérer des problèmes potentiels, notamment de qualité des bases ou de contamination par les adaptateurs. Ses avertissements sont des indices à interpréter selon le type de librairie, pas des décisions automatiques d’exclusion. Un signal inhabituel doit être expliqué avant de poursuivre. [3]

5. Quantifier les transcrits ou les gènes

Une voie possible consiste à quantifier les transcrits avec Salmon, un outil conçu pour estimer leur abondance en tenant compte de biais techniques. Documentez la référence utilisée et le type de librairie. La quantification produit des estimations ; leur utilisation dans une analyse différentielle exige une procédure d’import adaptée, et non un simple copier-coller de toutes les colonnes disponibles. [4]

6. Comparer les conditions avec un modèle approprié

DESeq2 analyse les variations de comptages entre conditions en tenant compte de la variabilité entre échantillons. Pour une matrice de comptages, fournissez les données non normalisées : les TPM, FPKM ou valeurs déjà transformées ne sont pas l’entrée attendue. Avec Salmon, utilisez une voie compatible, telle que tximport ou tximeta. Vérifiez que les métadonnées correspondent exactement aux colonnes des échantillons. [5]

Examinez les regroupements d’échantillons, les valeurs atypiques et les facteurs du modèle, comme le lot ou l’appariement. Présentez ensemble l’amplitude du changement, son incertitude et les valeurs de p ajustées pour les tests multiples. Une significativité statistique ne suffit pas, à elle seule, à décrire l’importance biologique d’un résultat. [5]

7. Interpréter et rendre le travail reproductible

Reliez les résultats à la question initiale. En bulk RNA-seq, une différence peut aussi refléter un changement de composition cellulaire : elle ne démontre pas automatiquement une régulation dans chaque cellule. Conservez les métadonnées, versions des outils, références et paramètres afin de permettre une réanalyse. [1]

À retenir : un protocole RNA-seq cohérent relie la question biologique, les échantillons, la préparation de librairie, les contrôles et le modèle statistique. Chaque étape doit laisser une trace vérifiable.

Références

  1. Conesa et al. (2016), A survey of best practices for RNA-seq data analysis, Genome Biology.
  2. Illumina — RNA Library Preparation.
  3. Babraham Bioinformatics — FastQC.
  4. Patro et al. (2017), Salmon provides fast and bias-aware quantification of transcript expression, Nature Methods.
  5. Love, Anders et Huber — Analyzing RNA-seq data with DESeq2, vignette Bioconductor.

Référence de la figure

[Figure 1] Zhide Fang, Jeffrey Martin, Zhong Wang. MIcroarray vs RNA-Seq. Wikimedia Commons. CC BY-SA 4.0. Consulté le 2026-10-21. Source/crédit original : Statistical methods for identifying differentially expressed genes in RNA-Seq experiments. Cell Biosci. 2012;2:26.

Aucun commentaire